Simon Neugebauer’s Post

💡 Kämpfst du mit langsamen Power BI-Berichten? Die Lösung könnte näher sein, als du denkst! 🚀 Wusstest Du, dass die Performance deiner Power BI-Berichte massiv von der Optimierung des semantischen Modells abhängt? 🤔 Viele unterschätzen das Potenzial, das in der Anpassung des semantischen Modells schlummert. Das Problem: Langsame Ladezeiten, ineffiziente Speichernutzung, Skalierungsschwierigkeiten. 😫 Bisher waren für tiefgreifende Optimierungen externe Tools wie Tabular Editor notwendig. Seit Januar 2025 gibt es die TMDL-Ansicht in Power BI Desktop, mit der du direkt Anpassungen der Metadaten im semantischen Modell vornehmen kannst! Ein aufschlussreicher Test: Anhand eines Tests, den ich vorbereitet und durchgeführt habe, konnte ich aufzeigen, dass gezielte Anpassungen des Encoding-Typs (Hash vs. Value) und weiterer Einstellungen im semantischen Modell die Dateigröße um bis zu 57,47% reduzieren können! 🤯 Das hat zudem auch noch die Performance von dem Modell erhöht und die Abfragen bis zu 59,96% schneller gemacht! Die tatsächlichen Ergebnisse können variieren, da die Komplexität des semantischen Modells und die Art der Abfragen eine wesentliche Rolle spielen. Was bedeutet das für Dich? ➡️ Schnellere Berichte und Dashboards ➡️ Effizientere Nutzung von Speicherressourcen ➡️ Bessere Skalierbarkeit deiner semantischen Modelle 👉 Übrigens: In Teilen der Schulungen der QUNIS Academy behandeln wir auch Themen wie TMDL und Best Practices in der Datenmodellierung. Zusätzlich bietet die QUNIS GmbH Modell-Reviews an, um die Performance deiner Modelle gezielt zu verbessern! 💪🚀   #QUNIS #PowerBI #Datenmodellierung #PerformanceOptimierung #TMDL